第一章 绪论
1.1 研究背景和意义
近年来，随着越来越多的无线通信设备应用于社会产生的方方面面，无线通信业务急剧增长，有限的频谱资源变得愈加紧缺，而稳步发展中的物联网（Internet of Things, IoT）通信、设备间（Device to Device, D2D）通信、机器间（Machine to Machine, M2M）和移动互联网通信等新兴的无线通信业务，又亟需发掘更多的无线频谱资源供其使用。一方面，毫米波和可见光等高频段频谱同时受到了工业界和学术界的关注，试图从中寻求突破，但高频段频谱受限于自身的传播特性，很难达到无线通信的覆盖要求。另一方面，业界也始终致力于对频谱资源利用率的提升，通过将全双工（Full Duplex, FD）通信技术引入至认知无线电网络（Cognitive Radio Networks, CRNs）中，实现了频谱感知与数据传输的同时同频，次用户（Secondary User, SU）在与主用户（Primary User, PU）共享频谱资源的基础上，又大大增加了对频谱空穴的利用，进一步提升了频谱资源的利用率。
认知无线电（Cognitive Radio, CR）作为一项能够有效解决频谱利用率过低的技术，逐渐引起了工业界和学术界的广泛关注。在认知无线电网络中，次用户能够智能地感知主用户的工作状态，以便在授权频段的空闲时段内接入并加以使用，从而提高了频谱的利用率。为了避免阴影衰落和路径损耗对次用户频谱感知结果的影响，合作频谱感知（Cooperative Spectrum Sensing, CSS）的模式应运而生[1]；次用户之间的合作频谱感知能够为认知无线电网络提供稳定且可靠的感知结果，一方面减轻了次用户对主用户造成的干扰，另一方面也能保证授权频段的高利用率以达到次级网络（Secondary Networks, SNs）吞吐量的最大化。
........................
1.2 国内外相关技术研究现状
1.2.1 认知无线电技术发展现状
现如今，无线通信已成为我们日常生活中不可或缺的一部分。而早在 19 世纪，M.G. Marconi便成功建立了第一个无线电传输系统，这是一项可以堪称无线通信领域内具有革命性的工作[2]。从那时起，无线通信系统经历了稳定的发展，也在不断地改善着我们的个人工作和生活；近年来，已经有越来越多的无线设备、应用和服务被开发出来，被应用于各种实际场景中。这一大的改变带来的是消费者对无线通信业务日益增长的需求，而随着无线服务和应用的不断增长，将来需要更多的频谱资源以实现新兴无线通信服务的平稳和不间断运行，所以对频谱资源的需求也呈指数级增长。因此，通过使用传统的频谱分配方式来应对未来无线系统带来的挑战已成为一项不太可能的任务。如图 1.1 所示，全球无线数据流量正在快速增长，预计 2016 年至 2021年间的复合年增长率[4]为 47％；预计到 2021 年，无线数据流量将达到每月约 49EB。此外，在未来几年，无线电技术在现有的基础上将取得巨大的突破和改进。如图 1.2 所示，预计到 2021年，移动视频流量的年增长率将达到 55％左右，占全球移动数据流量的三分之二以上，而嵌入式视频在社交媒体和网页内容中的使用趋势愈加突出。
1.2.1 认知无线电技术发展现状
现如今，无线通信已成为我们日常生活中不可或缺的一部分。而早在 19 世纪，M.G. Marconi便成功建立了第一个无线电传输系统，这是一项可以堪称无线通信领域内具有革命性的工作[2]。从那时起，无线通信系统经历了稳定的发展，也在不断地改善着我们的个人工作和生活；近年来，已经有越来越多的无线设备、应用和服务被开发出来，被应用于各种实际场景中。这一大的改变带来的是消费者对无线通信业务日益增长的需求，而随着无线服务和应用的不断增长，将来需要更多的频谱资源以实现新兴无线通信服务的平稳和不间断运行，所以对频谱资源的需求也呈指数级增长。因此，通过使用传统的频谱分配方式来应对未来无线系统带来的挑战已成为一项不太可能的任务。如图 1.1 所示，全球无线数据流量正在快速增长，预计 2016 年至 2021年间的复合年增长率[4]为 47％；预计到 2021 年，无线数据流量将达到每月约 49EB。此外，在未来几年，无线电技术在现有的基础上将取得巨大的突破和改进。如图 1.2 所示，预计到 2021年，移动视频流量的年增长率将达到 55％左右，占全球移动数据流量的三分之二以上，而嵌入式视频在社交媒体和网页内容中的使用趋势愈加突出。
........................
2.1 问题描述
由美国联邦通信委员会（Federal Communications Commission, FCC）无线频谱政策任务组发起的频谱分配研究表明，在传统固定的频谱分配模式中，授权频谱在时间上和空间上的利用率均于 15%到 85%之间浮动[69]，可见频谱资源稀缺的问题并没有得到真正的解决。不过，提升频谱资源利用率的迫切需要进一步促进了类似 D2D 通信、认知无线电等技术的快速发展。
认知无线电作为一项能够有效解决频谱利用率过低的技术，近年来引起了业界的普遍关注。在 CRNs 中，次用户能够智能地感知主用户的工作状态，以便在授权频段的空闲时段内接入并加以使用，从而提高了无线频谱的利用率。为了避免阴影衰落和路径损耗对次用户频谱感知结果的影响，合作频谱感知的模式应运而生[1]；次用户之间的合作频谱感知能够为认知无线电网络提供稳定且可靠的感知结果，一方面减轻了对主用户造成的干扰，另一方面也能保证授权频段的高利用率以达到次级网络吞吐量的最大化。
目前已有的合作频谱感知技术大部分应用于传统的半双工认知无线电网络中，但是半双工模式下的合作频谱感知，存在两个主要缺陷：（1）当次用户在进行数据传输之前，必须先完成频谱感知，即需将一个连续的时隙划分出两小段，前半段仅用作频谱感知，后半段仅用作数据传输，二者交替进行，即意味着次用户的数据传输变得不连续；（2）当次用户在进行数据传输时，频谱感知功能完全丧失，意味着在下一时刻如果主用户重新占用授权频段，便会造成冲突，如果主用户继续保持空闲状态，次用户并不能即刻感知到频段的可用性，则会造成空闲授权频段的浪费。
.........................
2.2 模型介绍
..........................
第三章 基于集成学习和 SMOTE 的单信道合作频谱感知系统设计 ........................................ 25
3.1 问题描述 ...................................... 25
3.2 集成学习分类器的设计 ............................ 26
第四章 多信道全双工认知无线电网络的信道分配策略设计 ................................... 41
4.1 问题描述 .................................. 41
4.2 多信道合作频谱感知模型 .................................. 42
第五章 总结与展望 ............................................. 52
5.1 论文主要工作及贡献 ........................... 53
5.2 下一步工作的思考 .......................... 53
第四章 多信道全双工认知无线电网络的信道分配策略设计
4.1 问题描述
全双工认知无线电网络中，次用户实现了频谱感知与数据传输的同步，持续的频谱感知使得次用户能够对主用户状态的变化做出实时的调整，一方面降低了次级网络对主用户造成的干扰，另一方面也增加了次用户自身使用频谱空穴的机会，进一步提升了授权频段的利用率。为了解决因为阴影衰落和多径衰落而引起的隐终端问题，次用户之间以相互协作的方式来完成频谱感知，便于充分利用各次用户的空间多样性和数据多样性，进而改善了频谱感知的准确性。前文当中对单信道场景下的合作频谱感知进行了更深一步的研究，将原问题转化为一个经典的二分类问题，利用集成学习算法分类准确性高和泛化性强的特点，确保了单信道合作频谱感知系统的较高检测性能，也为多信道全双工认知无线电网络中的信道分配策略研究提供了基础。
针对现实应用中传统的多信道半双工认知无线电网络，相关文献对其信道分配策略已有一定研究，其中主要围绕着两个问题展开，一是如何将多条信道分配给指定的若干次用户，作为它们合作频谱感知的目标，这些次用户只限参与该信道的合作频谱感知；二是如何设立多信道分配策略的优化目标，例如最大化网络总体吞吐量。已有的部分研究工作中提出了集中式和分布式的多信道合作频谱感知系统，另外一些研究工作则是基于次用户信息和主用户信噪比数据设计了启发式信道分配算法，以最大化每次检测得到的可用信道数量，其它一些研究工作通过优化每个信道下合作频谱感知的感知时隙，使得对每个信道的检测更准确。尽管这些已有的研究工作在一定程度上解决了多信道分配的优化问题，但是它们存在一个共同的缺陷，即假设系统中每个次用户都具备等同的频谱感知性能，每条信道都呈现出相同的使用特性。显然，在实际场景中这样的假设很难满足，也就影响了研究结果的有效性，其次，对于本文提出的全双工认知无线电网络模型，需要重新对次用户的频谱感知性能和信道特性进行分析。
........................
第五章 总结与展望
5.1 论文主要工作及贡献
相比于半双工认知无线电网络，全双工认知无线网络完善了其中的两个关键缺陷，本文以全双工认知无线电网络为背景，对其中的合作频谱感知系统展开了相关研究。该模型利用次用户所具备的全双工通信能力，实现了数据传输和频谱感知的同步，从而减少了对主用户的干扰，
同时也避免了对频谱空穴的浪费。为了满足合作频谱感知系统对鲁棒性和泛化性的要求，提出了基于集成学习分类器的频谱感知方法。对于多信道的全双工认知无线电网络，本文提出了基于自适应遗传算法的信道分配策略，确保对主用户通信不会造成干扰的同时，实现了次级网络吞吐量最大化。其主要工作及贡献如下：#p#分页标题#e#
(1) 针对传统半双工认知无线电网络中的两点不足，本文对全双工认知无线电网络模型进 行了详细的分析和讨论，该模型中频谱感知与数据传输的同步机制，较好地弥补了半双工模式中存在的缺点。其中，次用户进行数据传输时始终保持频谱感知功能，对主用户工作状态进行实时检测，便于及时退出对主用户信道的占用或继续保持数据传输。根据全双工模式的特点，充分考虑并分析了全双工模式下的能量检测方法，包括模型细节和传输帧结构的具体设计。基于主用户 ON/OFFF 状态转移模型，推导出全双工模式下存在自干扰时能量检测的虚警率和漏检率，并在假设系统状态转换为离散时间的马尔科夫链模型的前提下，得出了系统状态转移概率矩阵。最后，对系统中关键参数和相关性能指标进行了讨论和分析.
(1) 针对传统半双工认知无线电网络中的两点不足，本文对全双工认知无线电网络模型进 行了详细的分析和讨论，该模型中频谱感知与数据传输的同步机制，较好地弥补了半双工模式中存在的缺点。其中，次用户进行数据传输时始终保持频谱感知功能，对主用户工作状态进行实时检测，便于及时退出对主用户信道的占用或继续保持数据传输。根据全双工模式的特点，充分考虑并分析了全双工模式下的能量检测方法，包括模型细节和传输帧结构的具体设计。基于主用户 ON/OFFF 状态转移模型，推导出全双工模式下存在自干扰时能量检测的虚警率和漏检率，并在假设系统状态转换为离散时间的马尔科夫链模型的前提下，得出了系统状态转移概率矩阵。最后，对系统中关键参数和相关性能指标进行了讨论和分析.
(2) 针对全双工认知无线电网络中变化频繁的网络环境，本文提出并实现了一个基于集成 学习和 SMOTE 的合作频谱感知系统。本文将主用户状态检测刻画成一个二分类问题，采用集成学习中典型的 AdaBoost 算法进行频谱感知，相比于其它分类算法，具有较高的分类准确性。同时，该系统借助机器学习算法优良的泛化性和鲁棒性，能更好地适应网络环境的不确定性。此外，针对全双工认知无线电网络中主用户处于休眠状态时的样本数据少的情况，系统首次指出了由此造成的数据不平衡问题，并提出使用 SMOTE 过采样技术处理数据集，从而解决数据不平衡问题，最终提高了少数类的分类精度，降低了感知结果错误率。
参考文献（略）
参考文献（略）
